PROGNOZY CEN ROPY NA GIEŁDZIE W NOWYM JORKU
|
|
- Irena Stasiak
- 8 lat temu
- Przeglądów:
Transkrypt
1 Zbigniew SKROBACKI PROGNOZY CEN ROPY NA GIEŁDZIE W NOWYM JORKU Streszczenie Celem publikacji jest przedstawienie prognoz jakościowych dotyczących oceny relacji pomiędzy podażą a popytem na rynku ropy w najbliższych latach oraz prognoz ilościowych ceny ropy na giełdzie w Nowym Jorku w 2010 r. Do zbudowania prognoz zastosowano dwie następujące metody: zmodyfikowaną metodę scenariuszy użytej do tworzenia prognoz jakościowych, modelu multiplikatywnego do utworzenia prognozy ilościowej. Do zbudowania scenariuszy wykorzystano własną propozycję budowy scenariuszy uproszczonych z wykorzystaniem podstaw teorii decyzji i rachunku prawdopodobieństwa. Prognoza ilościowa jest oparta na modelu multiplikatywnym i powstała jako efekt zastosowania standardowych metod statystyki matematycznej w analizie szeregu czasowego. Wykonanie prognoz zostało poprzedzone analizą literatury w celu opisania zjawisk i procesów obecnie występujących na rynku paliw. WPROWADZENIE Zdecydowana większość środków transportu lądowego i cały transport wodny i lotniczy jest zasilany paliwami produkowanymi z ropy. Intensywny rozwój gospodarczy większości krajów, a w tym rozwój transportu spowodował, że rola ropy jako produktu strategicznego umacniała się przez cały miniony XX wiek. Z aktualnych badań zasobów ropy w świecie wynika, że obecnie ludzkość wydobyła już około 50% całkowitych zasobów ropy w skorupie ziemskiej. Obecnie szacuje się, że zasoby ropy naftowej w świecie wynoszą ok. 171 mld ton, w tym kraje OPEC posiadają ok. 130 mld ton co stanowi 76 % [12]. Zdecydowana większość odkryć dużych złóż ropy została wykonana w latach 40., 60. i 70. XX wieku. Na rys. 1 pokazano w postaci wykresu słupkowego historię i wielkość odkryć. Na wykresie przeszłe odkrycia ropy są zaprezentowane w postaci czerwonych słupków, zaś przewidywane zasoby przyszłych odkryć w postaci zielonych słupków. W ostatnich dwóch dekadach XX wieku i obecnie następuje ciągły spadek odkryć dużych zasobów ropy pomimo stosowania coraz bardziej zaawansowanych technik badań geofizycznych. Zauważa się wzrostową tendencję odkryć coraz większej liczby małych złóż, co krótkookresowo poprawia sytuację na rynku ropy. Na analizowanym rysunku poziom wydobycia ropy jest przedstawiony za pomocą krzywej, która obecnie wykazuje jeszcze niewielką tendencję wzrostową. Według danych publikowanych przez British Petroleum [12] w 2008 r. światowa produkcja ropy osiągnęła wartość 3, ton/rok (ok. 81,8 mln baryłek/doba). Informację o wzroście wydobycia w ostatnich trzech dekadach przedstawiono w tabeli 1. Wyczerpywanie się naturalnych zasobów ropy musi powodować wzrost cen ropy i cen paliw produkowanych na bazie ropy. AUTOBUSY 1
2 Rys. 1. Odkrycia zasobów ropy i jej wydobycie w miliardach baryłek rocznie (skala po prawej stronie wykresu) [14] Tabela 1. Światowe wydobycie ropy [12] Rok [mln baryłek /doba] 62,9 65,5 74,8 81,8 [mld ton/rok] 2,9 3,2 3,6 3,9 Analizując koszty wydobycia należy zwrócić uwagę na występowanie trzech niekorzystnych tendencji [7]: 1. Nowe złoża odkrywane są w trudno dostępnych regionach, np. u brzegów Brazylii ropa znajduje się 3-4 km pod dnem głębokiego na ponad 2 km Oceanu Atlantyckiego; odkrywane zasobne złoża w Arktyce będzie można eksploatować może za kilkadziesiąt lat dzięki zmianom klimatu. 2. Wyraźnie rosną koszty eksploatacji tradycyjnych złóż, o czym świadczy zmiana współczynnika EROEI Energy Returned on Energy Invested. Współczynnik informuje o zwrocie energii uzyskanej wobec energii zainwestowanej. Przykładowo 100 lat temu w Teksasie EROEI wynosiło 100, zaś obecnie w USA wynosi 3. Dla porównania aktualnie w Arabii Saudyjskiej EROEI wynosi 10 [13]. Wzrost kosztów wynika z rosnącego wydobycia tzw. ciężkiej ropy o dużej gęstości oraz zanieczyszczonej związkami siarki. Zmusza to producentów modernizacji lub budowy nowych rafinerii, bowiem dawne nie są w stanie przerabiać zasiarczonej ropy. 3. Wysoki koszt pozyskiwania ropy z nowych źródeł głównie z piasków roponośnych i łupków bitumicznych. Dla wielu złóż koszty przewyższają ewentualne przychody. Przyjmuje się, że dla piasków roponośnych i łupków bitumicznych współczynnik EROEI zawiera się w przedziale od 1 do 3. Powyższe rozważania należy poszerzyć o informacje dotyczące kształtowania się potrzeb na ropę w świecie. Z danych przedstawionych na wykresie (rys. 2) wynika, że do 2011 roku potrzeby gospodarki światowej będą pokrywane dostawami ropy. Jedynie w 2007 roku podaż była niewystarczająca. Jeżeli uwzględni się prognozy gospodarcze dla świata, przy założeniu średniego tempa wzrostu potrzeb na ropę około 1,6 % rok do roku, to od 2012 roku ropy nie wystarczy dla wszystkich i ujawni się zjawisko Oil Gap różnica pomiędzy popytem a podażą ropy. 2 AUTOBUSY
3 Rys. 2. Podaż i popyt na ropę w tysiącach baryłek dziennie [15] Jeśli nie zmaleje odpowiednio popyt na produkty ropopochodne to wartość Oil Gap będzie w czasie systematycznie rosła, co musi wywoływać ciągły wzrost ceny ropy. W artykule podjęto próbę przedstawienia własnych prognoz jakościowych i ilościowych. Prognozy jakościowe dotyczą określenia prawdopodobieństwa wystąpienia zjawiska Oil Gap w 2010 r. i w następnych latach. Prognozy ilościowe dotyczą ceny ropy na giełdzie w Nowym Jorku w 2010 r. 1. METODYKA BADAŃ 1.1. Metodyka budowania prognozy jakościowej w postaci scenariuszy Scenariusze są wariantową odpowiedzią na pytanie co się stanie, jeżeli?. Tworzy się je dla konkretnych sytuacji, opierając się głównie na technikach heurystycznych, uwzględniając jakie zmiany mogą wystąpić w funkcji czasu. Opierając się na publikacjach [2, 4, 5, 6, 8, 9] opracowano własną metodykę tworzenia uproszczonych scenariuszy, która została szczegółowo opisana w pracy [7]. Celem scenariuszy jest utworzenie dwóch prognoz jakościowych; pierwszą na rok 2010, drugą na cztery następne lata. Prognozy mają dać odpowiedzi na pytania: czy powstanie na światowym rynku ropy trwałe zjawisko niezaspokojonego popytu przez podaż ( Oil Gap ) i jakie będą rozmiary tego zjawiska?. Metodyka tworzenia scenariuszy jest modyfikacją standardowych metodyk poprzez wykorzystanie podstaw teorii decyzji uwzględniającej niepewność i ryzyko [4, 8]. W teorii decyzji proponuje się badanie wszystkich możliwości łącznego występowania stanów oraz badanie konsekwencji ich równoczesnego wystąpienia. Wymagane jest przyjęcie oszacowań prawdopodobieństw subiektywnych wystąpienia każdego stanu w przyszłości. Rachunek prawdopodobieństwa pozwala obliczyć wartości prawdopodobieństw wystąpienia określonych wcześniej konsekwencji, nazywanych w teorii decyzji wartościami funkcji korzyści. Dla analizowanego przedmiotu badań założono możliwość wystąpienia dwóch stanów popytu i dwóch stanów podaży ropy. Zidentyfikowano następujące stany: (PD1) podaż ropy na wysokim poziomie, (PD2) podaż ropy malejąca, (PP1) wzrost popytu w gospodarce światowej, (PP2) popyt zbliżony do stałego. AUTOBUSY 3
4 Funkcję korzyści pełni ocena jakościowa możliwości wystąpienia zjawiska przewagi popytu na rynku ropy nad przewidywaną podażą, nazywanym jako Oil Gap. W celu utworzenia alternatywnych scenariuszy postanowiono zbadać możliwości i efekty wystąpienia równoczesnego stanów popytu i podaży ropy. Założono, że zarówno stany popytu oraz stany podaży wyczerpują przestrzeń zdarzeń oraz wystąpienie jednego stanu popytu wyklucza wystąpienie drugiego i podobnie jest dla stanów podaży. Uzyskano następujące cztery wzajemnie wykluczające się zestawy równoczesnego wystąpienia odpowiednich stanów popytu i podaży, którym przypisano oczekiwaną wartość funkcji korzyści w postaci możliwości wystąpienia zjawiska Oil Gap (tab. 2). Jeżeli w danej analizie założy się, że wystąpienie każdego stanu podaży w stosunku do każdego stanu popytu jest zdarzeniem niewykluczającym i w sensie matematycznym niezależnym to prawdopodobieństwo wystąpienia równocześnie danego stanu podaży i popytu jest obliczane jako iloczyn prawdopodobieństw wystąpienia pierwszego i drugiego stanu. Według tej słownej formuły prawa mnożenia zdarzeń niezależnych wyznaczono prawdopodobieństwa możliwości wystąpienia zjawiska Oil Gap z uwzględnieniem skali tego zjawiska. Z powodu występowania różnych opinii o przyszłości rynku paliw postanowiono przeprowadzić obliczenia dla dwóch wariantów oszacowań prawdopodobieństw subiektywnych wystąpienia stanów popytu. Wariant pierwszy preferuje wystąpienie stanu (PP2) jako bardziej prawdopodobnego. Dlatego przyjęto następujące wartości prawdopodobieństw P (1) (PP2) = 0,7; P (1) (PP1) = 0,3. Są przesłanki, żeby wyniki obliczeń dla tego wariantu przyjąć dla roku W drugim wariancie przyjęto założenie o wyraźnym wzroście zapotrzebowania na produkty ropopochodne w latach Dlatego dla wariantu drugiego przyjęto, że prawdopodobieństwa wystąpienia stanów popytu wynoszą P (2) (PP1) = 0,7 zaś P (2) (PP2) = 0,3. Założono, że wartości prawdopodobieństw wystąpienia stanów podaży są takie same dla obu wariantów i opierają się na raporcie głównego ekonomisty Międzynarodowej Agencji Energetycznej (MAE) Fatih-a Birol-a [14], że już osiągnięto maksymalne wydobycie, zaś zasoby większości złóż są przeszacowane, a więc należy oczekiwać tendencji narastającego spadku wydobycia ropy. Tabela 2. Przewidywania wystąpienia zjawiska Oil Gap w latach POPYT PP1 rosnący P (1) (PP1) = 0,3; P (2) (PP1) = 0,7 PP2 stały P (1) (PP2) = 0,7; P (2) (PP2) = 0,3 PD1 wysoka P(PD1) = 0,4 W 2010 r. brak Oil Gap W 2010 r. brak Oil Gap W latach pojawienie się W latach brak Oil Oil Gap Gap PODAŻ PD2 malejąca P(PD2) = 0,6 Źródło: opracowanie własne W 2010 r. pojawienie się Oil Gap W 2010 r. brak Oil Gap W latach znaczny wzrost niedoboru ropy W latach pojawienie się Oil Gap Podane w tabeli wartości prawdopodobieństw dla popytu odnoszące się do wariantu pierwszego są oznaczone indeksem górnym (1), zaś odnoszące się do wariantu drugiego są oznaczone indeksem górnym (2). Oszacowania wartości prawdopodobieństw wynikają z informacji zawartych głównie w opisie stanu faktycznego na podstawie analizowanych źródeł [10, 12, 14, 15]. Wyniki zastosowania powyższej metodyki przedstawiono w p. 3 niniejszej publikacji. 4 AUTOBUSY
5 1.2. Metodyka budowania prognozy ilościowej na podstawie modelu multiplikatywnego Przyjęto, że są merytoryczne przesłanki, że wartości ceny ropy lub innych paliw można przedstawić w postaci szeregu czasowego i utworzyć model matematyczny, w którym teoretyczna cena ropy lub danego paliwa ŷ jest iloczynem wartości funkcji trendu tm i współczynników zmian sezonowych s, zmian cyklicznych c i zmian nieregularnych l. Oznacza to, że można w dalszych rozważaniach korzystać z modelu szeregu czasowego w wersji multiplikatywnej. Tak rozumiany model można przedstawić w postaci: ŷ t = tm t s t c t l t (1) gdzie: ŷ - ocena szeregu czasowego, tm - funkcja trendu, s - współczynnik zmian sezonowych, c - współczynnik zmian cyklicznych, l - współczynnik zmian losowych, t - okres lub moment czasu. Funkcja trendu tm t jest wyrażona w jednostkach naturalnych, identycznych jak wartości oryginalnego szereg czasowego. Pozostałe składowe modelu są wielkościami pozbawionymi miana. Jeżeli któryś z nich nie występuje to należy przypisać mu wartość 1. Do otrzymania modelu multiplikatywnego zastosowano metodykę opisaną przez Aczel-a [1]. Wymaga ona identyfikacji każdej składowej modelu. Pierwszą czynnością jest poszukiwanie postaci funkcji trendu. W tym celu dane źródłowe przedstawia się w postaci szeregu czasowego średniej kwartalnej, oraz szeregu czasowego średniej ruchomej (rys. 4). Analiza wykresu szeregu czasowego może być pomocna w wyborze postaci funkcji trendu. Według Dittmanna (s. 81 [3]) cyt. Przy wyborze postaci funkcji trendu zawsze powinny być brane pod uwagę przesłanki empiryczne i dedukcyjne, przy czym przy bardziej złożonych postaciach analitycznych tych funkcji powinny przeważać przesłanki dedukcyjne, a przy mniej złożonych - przesłanki empiryczne. Chodzi o to, by wybór bardziej złożonej funkcji nie tylko był wynikiem sugestywnej oceny wzrokowej wykresu czasowego zmiennej, lecz wypływał także z głębszych, merytorycznych przesłanek. W modelu multiplikatywnym przyjmuje się, że wartości średniej ruchomej w funkcji czasu nie zawierają wahań sezonowych i losowych. Oznacza to, że średnia ruchoma jest iloczynem trendu i współczynnika zmian cyklicznych [1]: MA t = tm t c t (2) gdzie: oznaczenia jak we wzorze (1) i w tekście powyżej. Zależność (2) po przekształceniu przy danych średniej ruchomej MA t pozwala wyznaczyć szereg czasowy dla współczynnika zmian cyklicznych c. Ostatnim działaniem metodyki proponowanej przez Aczel-a jest wyznaczenie indeksów sezonowych (można nie analizować zmienności losowej). W niniejszej publikacji pominięto szczegółowy opis metodyki identyfikacji zmienności sezonowej i losowej ponieważ jest dokładnie podana w literaturze [1]. Otrzymany model matematyczny w postaci równania (1) bez składowej losowej może być wykorzystany do wykonania prognozy lub wielu prognoz. W tym celu należy wyznaczyć prognozy każdego regularnego składnika modelu multiplikatywnego. Prognoza badanej cechy jest iloczynem prognoz składowych modelu. Łatwo jest wyznaczyć prognozę dla trendu, po- AUTOBUSY 5
6 nieważ wystarczy podstawić odpowiednią wartość czasu w równaniu trendu. Zakładamy, że współczynniki zmienności sezonowej dla kolejnych sezonów mają stałe wartości, co pozwala łatwo wykonać stosowne podstawienie w równaniu prognozy (3). y p t = tm p t s p t c p t (3) gdzie: y p - prognoza badanej cechy, tm p - prognoza funkcji trendu, s p - prognoza współczynnika zmian sezonowych, c p - prognoza współczynnika zmian cyklicznych, t - okres lub moment czasu. Wykonanie prognozy dla zmian cyklicznych, niesezonowych może być trudne, ponieważ składowa cykliczna nie ma stałego okresu i może mieć zmienną wartość amplitudy. Według literatury (s. 640 [1]) cyt.... na podstawie przebiegu wartości składowej cyklicznej próbujemy odgadnąć jej wartość w punkcie prognozy. Ta część zaleceń metodycznych jest najtrudniejsza w zastosowaniu i może w ocenie prognozy powodować największe wątpliwości co do jakości prognozy. Równocześnie przewidywania wartości współczynnika zmian cyklicznych jest szansą dla prognosty, aby uwzględniać inne informacje ilościowe i jakościowe o zjawiskach i procesach w przyszłości, które wpływają na rynek paliw ropopochodnych. 2. ANALIZA DANYCH I MODEL MULTIPLIKATYWNY DLA CEN ROPY NA GIEŁDZIE W NOWYM JORKU Stany Zjednoczone są największym konsumentem ropy w świecie, zaś notowania ceny ropy na giełdzie w Nowym Jorku determinują w znacznym stopniu ceny ropy na świecie. Wykorzystując serwis internetowy [11] dokonano odczytu notowań średniej dobowej ceny ropy na wymienionej giełdzie w okresie październik 2004 marzec Na podstawie tych danych policzono średnie miesięczne oraz średnie kwartalne ceny ropy na giełdzie. Na rys. 3 przedstawiono przykład danych oryginalnych, zaś na rys. 4 przedstawiono szereg czasowy średnich kwartalnych cen ropy oraz szereg wygładzony za pomocą średniej ruchomej. Rys. 3. Przykład notowań ceny ropy naftowej na giełdzie w Nowym Jorku [USD/baryłka] [11] 6 AUTOBUSY
7 Cena ropy [USD/baryłka] y = 1,4247x + 55,722 dla danych śr. ruchomej zima2005 zima2006 zima2007 zima2008 zima2009 zima2010 Średnia ruchoma Kwartał [-] Dane kwartalne Rys. 4. Ceny ropy naftowej na giełdzie w Nowym Jorku [USD/baryłka] jako średnie kwartalne, oraz wygładzone wraz z trendem Źródło: obliczenia własne Zaproponowana w p. 1 metodyka pozwoliła w okresie 22 kwartałów na identyfikację funkcji trendu, współczynnika zmian sezonowych i współczynnika zmian cyklicznych (rys. 5). Przyjęto liniową postać funkcji trendu, która po estymacji parametrów utworzyła następujące równanie: tm = 1,4247t + 55,72 (t = 1, 2,, 22) 4) Następnie obliczono wartości współczynnika zmian sezonowych, który dla kolejnych sezonów przyjmuje następujące wartości: dla zimy s = 0,90; dla wiosny s = 1,06; dla lata s = 1,10; dla jesieni s = 0,94. Uzyskane wyniki obliczeń są wystarczające do wykorzystania modelu multiplikatywnego do wykonania prognozy. 3. WYNIKI PROGNOZY JAKOŚCIOWEJ Dla wariantu pierwszego, w którym założono, że w roku 2010 bardziej prawdopodobne jest wystąpienie popytu na poziomie niezmienionym obliczono, że zdarzenie brak zjawiska Oil Gap prawie na pewno zajdzie. Prawdopodobieństwo zdarzenia brak Oil Gap wynosi 0,82, zaś prawdopodobieństwo przeciwnego zdarzenia, czyli pojawienie się zjawiska Oil Gap wynosi 0,18. Analogiczne obliczenia dla okresu (wariant drugi) pozwalają wyznaczyć następujące prawdopodobieństwa: P{brak Oil Gap } = 0,12; P{ pojawienie się Oil Gap } = 0,46; P{ znaczny wzrost niedoboru ropy} = 0,42. AUTOBUSY 7
8 1,4 1,3 Współczynnik zmian cyklicznych [-] 1,2 1,1 1,0 0,9 0,8 0,7 Rys. 5. Współczynnik zmian cyklicznych w modelu multiplikatywnym cen ropy na giełdzie w Nowym Jorku Źródło: obliczenia własne 0, Czas [kwartał] 4. WYNIKI PROGNOZY ILOŚCIOWEJ Po wykonaniu prognoz w postaci scenariuszy, na podstawie których uzyskuje się informacje głównie o charakterze jakościowym proponuję się wykonanie prognozy ilościowej krótkoterminowej opartej o prezentowany w punkcie 1.2 niniejszej publikacji model matematyczny. Aby uzyskać prognozę szeregu o postaci modelu danym równaniem (3) należy wyznaczyć oddzielne prognozy w zadanych kwartałach, poza obszarem danych źródłowych, dla składników nielosowych modelu tzn. dla trendu tm, dla indeksu sezonowego s i dla współczynnika zmian cyklicznych c. Końcowa prognoza ceny ropy jest iloczynem prognoz poszczególnych składników modelu. Należy zwrócić uwagę na rozbieżność okresów dla danych źródłowych ceny ropy kwartalnej obliczonej na podstawie danych pozyskanych z Internetu, które obejmują kwartały 1, 2,, 22 (zima 2010) i dla danych w modelu multiplikatywnym, które dotyczą kwartałów: 3,, 20 (lato 2009). Rozbieżność ta wynika z przyjętej metodyki liczenia średniej ruchomej, w której traci się dwie pierwsze i dwie ostatnie dane. Dlatego wykorzystując model multiplikatywny do prognozowania można przyjąć, że kwartały 21 (jesień 2009) i 22 (zima 2010) są objęte prognozą. W prognozowaniu [2] wykorzystuje się wspólny przedział czasu dla danych źródłowych i dla wartości prognozowanych do sprawdzenia dokładności prognozy z wykorzystaniem metod oceny błędu ex post. W tym przypadku postąpiono inaczej wykorzystując dane źródłowe z kwartałów 19 i 20 do obliczenia wartości współczynnika zmian cyklicznych dla tych kwartałów. Przy założeniu, że chcemy uzyskać prognozę krótkoterminową o horyzoncie czasowym wynoszącym półtora roku (sześciokwartalną) należy wykonać następujące działania: a) obliczyć wartości trendu dla kwartałów objętych prognozą, b) obliczyć wartości współczynnika zmian cyklicznych na podstawie znanych danych źródłowych dla kwartałów 21 i 22 wykorzystując przekształcony wzór (1) gdzie zamiast oceny szeregu czasowego ŷ należy wstawić dane źródłowe, oraz przyjąć, że wartość współczynnika zmian nieregularnych (losowych) l wynosi 1. c) wyznaczyć wartości współczynnika zmian cyklicznych dla następnych kwartałów objętych prognozą próbując przewidzieć wartości na podstawie przebiegu badanej funkcji przedstawionej na wykresie (rys. 5). 8 AUTOBUSY
9 Przewidywania wartości współczynnika zmian cyklicznych jest szansą dla prognosty, aby uwzględniać inne informacje ilościowe i jakościowe o zjawiskach i procesach w przyszłości, które wpływają na rynek paliw ropopochodnych. Proponuje się wykorzystanie informacji z wykonanych scenariuszy do oszacowania prognozowanych wartości współczynnika zmian cyklicznych dla kwartałów oznaczonych liczbami: 23, 24, 25. Istotne jest równoczesne uwzględnianie wniosków, które są wynikiem wcześniejszej analizy przebiegu współczynnika zmian cyklicznych w funkcji czasu c = f(t). Dla analizowanego przypadku przyjęto następujące oceny przebiegu wyznaczonej funkcji c = f(t) dla danych źródłowych w przedziale czasu t = 3, 4,.., 20 (rys. 5): w funkcji czasu amplituda i okres zmian współczynnika wzrastają dynamicznie, co mogło być efektem zapoczątkowanym mniejszą podażą od popytu w roku 2007 (rys. 2); maksymalna wartość amplitudy współczynnika wyznaczonego dla danych źródłowych w kwartałach 14 i 15 wynosiła około 0,35, w kwartałach 10 14, które należą do 2007 roku i początku 2008, gdy cena ropy intensywnie rosła to współczynnik zmian cyklicznych wzrastał od 0,05 do około 0,15/kwartał, w kwartałach od 15 do 19 gdy na giełdzie cena ropy malała to przyrost wartości współczynnika wynosił około -0,2/kwartał. po dużym spadku cena ropy musiała odrabiać straty ale z nieznaną tendencją wzrostową. Na podstawie powyższych ocen z uwzględnieniem zarówno wniosku ze scenariuszy dla 2010 o dużym prawdopodobieństwie pełnego pokrycia przez producentów zapotrzebowania na ropę i prezentowanych opinii ekspertów o przewidywanej w gospodarce światowej tendencji powolnego wychodzenia z kryzysu przyjęto założenie: w następnych kwartałach przyrosty współczynnika będą stopniowo zmniejszać swoje wartości od 1,0/kwartał do 0,04/kwartał. W wyniku realizacji tego założenia powstała prognoza wartości współczynnika zmian cyklicznych, którą zaprezentowano na wykresie (rys. 6). Po obliczeniu trendu dla kwartałów objętych prognozą (kwartały 21-25) i odpowiednim dobraniu wartości wskaźnika sezonowości oraz po uwzględnieniu prognozy współczynnika zmian cyklicznych wykonano obliczenia według zależności (3) prognozowanych wartości cen ropy na giełdzie w Nowym Jorku. Prognoza cen przedstawiona na rysunku 7 nie uwzględnia wpływu zakłóceń losowych. 1,4 1,3 Współczynnik zmian cyklicznych [-] 1,2 1,1 1,0 0,9 0,8 0,7 0, Czas [kwartał] Rys. 6. Prognoza (w kolorze czerwonym) współczynnika zmian cyklicznych w modelu multiplikatywnym cen ropy na giełdzie w Nowym Jorku Źródło: obliczenia własne AUTOBUSY 9
10 Prognoza dla średnich kwartalnych 140 Cena ropy [USD/baryłka] Kwartał [-] Dane kwartalne Prognoza Rys. 7. Prognoza (w kolorze niebieskim - pogrubiona) cen ropy na giełdzie w Nowym Jorku Źródło: Obliczenia własne WNIOSKI KOŃCOWE 1. Zaprezentowano propozycję własnej metodyki tworzenia uproszczonych scenariuszy, umożliwiających wnioskowanie z zastosowaniem rachunku prawdopodobieństwa. W wyniku przeprowadzonych analiz, prognozuje się, że w roku 2010 utrzymane zostanie wydobycie na poziomie poprzedniego roku, które zaspokoi potrzeby. Uznaje się, że aktualne wydobycie jest zbliżone do maksymalnego. Prawdopodobnie w następnych latach ujawnią się niedobory ropy w stosunku do rosnących potrzeb gospodarki światowej. 2. Przedstawiono zastosowanie modelu multiplikatywnego do krótkookresowego prognozowania ceny ropy na giełdzie w Nowym Jorku. Z prognozy wynika, że w okresie zima 2010 jesień 2010 cena na giełdzie będzie rosła od poziomu 80 USD/baryłka aż do około 110 USD/baryłka. 3. Jeżeli w najbliższej dekadzie zrealizują się pesymistyczne prognozy o coraz większych niedoborach ropy, to z analizy własnej dostępnych źródeł wynika, że w Ameryce Północnej i w Europie, substytutem ropy w transporcie może stać się gaz ziemny wydobywany ze skał łupkowych. BIBLIOGRAFIA 1. Aczel A. D.: Statystyka w zarządzaniu. Wyd. Naukowe PWN, Warszawa Cieślak M. (red.) i inni: Prognozowanie gospodarcze. Metody i zastosowania. Wyd. Naukowe PWN, Warszawa Dittmann P.: Prognozowanie w zarządzaniu przedsiębiorstwem, [w:] Prognozowanie w przedsiębiorstwie. Seminarium StatSoft Polska sp. z o. o., Warszawa 10 X Moore P. G.: Ryzyko w podejmowaniu decyzji. PWE, Warszawa 1975 (tytuł oryginału: Risk in business decision. Longman Group Limited, London 1972). 5. Remisiewicz M. i inni.: Gry wojenne. Scenariusze w biznesie. Businessman, nr 4(145), 2003, s Skrobacki Z.: Controlling strategiczny w eksploatacji. VIII Międzynarodowe Sympozjum Inżynieria systemów bioagrotechnicznych, ISB z. 2-3 (11-12), Politechnika Warszawska, Płock AUTOBUSY
11 7. Skrobacki Z.: Qualitative Forecast for Fuel Market Accounting for Sustainable Development. Rozdział w pracy zbiorowej pod redakcją naukową Leszka Powierży: Problems of Maintenance of Sustainable Technological Systems. Tom II, serii Monografii Zespołu Systemów Eksploatacji SPE KBM PAN. Wyd. PN-TTE Warszawa 2010 (ISBN ) s Supernat J.: Techniki decyzyjne i organizatorskie. Wydawnictwo Kolonia Limited, Wrocław Vollmuth H. J.: Controlling, instrumenty od A do Z. Agencja Wydawnicza PLACET, Warszawa Walewska D.: Ropa w centrum uwagi. Rzeczpospolita z dn Statistical Review of Word Energy The Oil Drum ( Polskie Towarzystwo Wspierania Przedsiębiorczości z dnia THE FORECASTS FOR THE OIL PRICES ON THE NEW YORK STOCK EXCHANGE Abstract This paper s objective is to present the qualitative forecast regarding the assessment of the relation between the supply and demand on the oil market in the next few years as well as the quantitative forecast for the oil prices on the New York Stock Exchange in The analysis focuses on the application of the scenario method used to develop qualitative forecasts. In order to develop scenarios, the author s own method of simplified scenario construction using the basics of decision theory and the calculus of probability was applied. The quantitative forecast is based on the multiplicative model and it was created as a result of the application of standard methods of the analysis of time series. Forecasting was preceded by the analysis of present and historical phenomena and processes on the oil market. Recenzent: dr hab. inż. Tadeusz Cisowski, prof. WSEI Autor: dr inż. Zbigniew SKROBACKI - Politechnika Świętokrzyska AUTOBUSY 11
Analiza rynku paliw i prognozy własne
Zbigniew Skrobacki Analiza rynku paliw i prognozy własne W artykule przedstawiono rozwój światowej gospodarki w aspekcie potrzeb energetycznych, a szczególnie zapotrzebowanie na energię w transporcie.
Bardziej szczegółowoEkonometryczna analiza popytu na wodę
Jacek Batóg Uniwersytet Szczeciński Ekonometryczna analiza popytu na wodę Jednym z czynników niezbędnych dla funkcjonowania gospodarstw domowych oraz realizacji wielu procesów technologicznych jest woda.
Bardziej szczegółowoA.Światkowski. Wroclaw University of Economics. Working paper
A.Światkowski Wroclaw University of Economics Working paper 1 Planowanie sprzedaży na przykładzie przedsiębiorstwa z branży deweloperskiej Cel pracy: Zaplanowanie sprzedaży spółki na rok 2012 Słowa kluczowe:
Bardziej szczegółowoStatystyka. Wykład 13. Magdalena Alama-Bućko. 12 czerwca Magdalena Alama-Bućko Statystyka 12 czerwca / 30
Statystyka Wykład 13 Magdalena Alama-Bućko 12 czerwca 2017 Magdalena Alama-Bućko Statystyka 12 czerwca 2017 1 / 30 Co wpływa na zmiany wartości danej cechy w czasie? W najbardziej ogólnym przypadku, na
Bardziej szczegółowoTeoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie
Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr
Bardziej szczegółowoAnaliza dynamiki zjawisk STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018
STATYSTYKA OPISOWA Dr Alina Gleska Instytut Matematyki WE PP 28 września 2018 1 Pojęcie szeregów czasowych i ich składowych SZEREGIEM CZASOWYM nazywamy tablicę, która zawiera ciag wartości cechy uporzadkowanych
Bardziej szczegółowoAnaliza sezonowości. Sezonowość może mieć charakter addytywny lub multiplikatywny
Analiza sezonowości Wiele zjawisk charakteryzuje się nie tylko trendem i wahaniami przypadkowymi, lecz także pewną sezonowością. Występowanie wahań sezonowych może mieć charakter kwartalny, miesięczny,
Bardziej szczegółowoEnergetyka odnawialna w procesie inwestycyjnym budowy zakładu. Znaczenie energii odnawialnej dla bilansu energetycznego
Energetyka odnawialna w procesie inwestycyjnym budowy zakładu Znaczenie energii odnawialnej dla bilansu energetycznego Znaczenie energii odnawialnej dla bilansu energetycznego Wzrost zapotrzebowania na
Bardziej szczegółowoPrognozowanie popytu. mgr inż. Michał Adamczak
Prognozowanie popytu mgr inż. Michał Adamczak Plan prezentacji 1. Definicja prognozy 2. Klasyfikacja prognoz 3. Szereg czasowy 4. Metody prognozowania 4.1. Model naiwny 4.2. Modele średniej arytmetycznej
Bardziej szczegółowoEkonometria. Modele dynamiczne. Paweł Cibis 27 kwietnia 2006
Modele dynamiczne Paweł Cibis pcibis@o2.pl 27 kwietnia 2006 1 Wyodrębnianie tendencji rozwojowej 2 Etap I Wyodrębnienie tendencji rozwojowej Etap II Uwolnienie wyrazów szeregu empirycznego od trendu Etap
Bardziej szczegółowoStatystyka. Wykład 13. Magdalena Alama-Bućko. 18 czerwca Magdalena Alama-Bućko Statystyka 18 czerwca / 36
Statystyka Wykład 13 Magdalena Alama-Bućko 18 czerwca 2018 Magdalena Alama-Bućko Statystyka 18 czerwca 2018 1 / 36 Agregatowy (zespołowy) indeks wartości określonego zespołu produktów np. jak zmianiała
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoAnaliza Zmian w czasie
Statystyka Opisowa z Demografią oraz Biostatystyka Analiza Zmian w czasie Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka
Bardziej szczegółowoNazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:
Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych I KARTA PRZEDMIOTU CEL PRZEDMIOTU Informatics systems for the statistical treatment of data Kierunek: Forma studiów Informatyka Stacjonarne
Bardziej szczegółowoK wartość kapitału zaangażowanego w proces produkcji, w tys. jp.
Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoProjekcja inflacji Narodowego Banku Polskiego materiał edukacyjny
Projekcja inflacji Narodowego Banku Polskiego materiał edukacyjny Plan prezentacji I. Projekcja inflacji NBP - podstawowe zagadnienia II. Główne założenia projekcji inflacji NBP III. Sposób prezentacji
Bardziej szczegółowoFORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS
FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION
Bardziej szczegółowoOtoczenie rynkowe. Otoczenie międzynarodowe. Grupa LOTOS w 2008 roku Otoczenie rynkowe
Otoczenie międzynarodowe Globalne wskaźniki ekonomiczne pokazują, że rok 2008 był kolejnym okresem wzrostu gospodarczego. Jednak charakter tego wzrostu nie był jednolity - już na początku roku wystąpiły
Bardziej szczegółowoPrognoza finansowa Grupy Motoricus S.A. na rok 2012
Prognoza finansowa Grupy Motoricus S.A. na rok 2012 Przedstawiona prognoza została sporządzona na okres od 1 stycznia 2012 do 31 grudnia 2012 r. 1. Rynek motoryzacyjny - prognozy tendencji w 2012 r. Rynek
Bardziej szczegółowoNa poprzednim wykładzie omówiliśmy podstawowe zagadnienia. związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy
Analiza dynami zjawisk Na poprzednim wykładzie omówiliśmy podstawowe zagadnienia związane z badaniem dynami zjawisk. Dzisiaj dokładniej zagłębimy się w tej tematyce. Indywidualne indeksy dynamiki Indywidualne
Bardziej szczegółowoBarometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym
Jacek Batóg Uniwersytet Szczeciński Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym Jednym z ważniejszych elementów każdej gospodarki jest system bankowy. Znaczenie
Bardziej szczegółowoZastosowanie modeli dyfuzji innowacji do analizy rynków finansowych: przykład rynku funduszy inwestycyjnych w Meksyku
Zastosowanie modeli dyfuzji innowacji do analizy rynków finansowych: przykład rynku funduszy inwestycyjnych w Meksyku dr Adam Marszk, Wydział Zarządzania i Ekonomii PG współautorstwo: dr Ewa Lechman, Wydział
Bardziej szczegółowoPROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY
Joanna Chrabołowska Joanicjusz Nazarko PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY NA PRZYKŁADZIE PRZEDSIĘBIORSTWA HANDLOWEGO TYPU CASH & CARRY Wprowadzenie Wśród wielu prognoz szczególną rolę w zarządzaniu
Bardziej szczegółowoWPŁYW PRODUKCJI ENERGII ELEKTRYCZNEJ W ŹRÓDŁACH OPALANYCH WĘGLEM BRUNATNYM NA STABILIZACJĘ CENY ENERGII DLA ODBIORCÓW KOŃCOWYCH
Górnictwo i Geoinżynieria Rok 35 Zeszyt 3 2011 Andrzej Patrycy* WPŁYW PRODUKCJI ENERGII ELEKTRYCZNEJ W ŹRÓDŁACH OPALANYCH WĘGLEM BRUNATNYM NA STABILIZACJĘ CENY ENERGII DLA ODBIORCÓW KOŃCOWYCH 1. Węgiel
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 http://www.outcome-seo.pl/excel1.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodatek Solver jest dostępny w menu Narzędzia. Jeżeli Solver nie jest
Bardziej szczegółowoANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO
ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO Wprowadzenie Zmienność koniunktury gospodarczej jest kształtowana przez wiele różnych czynników ekonomicznych i pozaekonomicznych. Znajomość zmienności poszczególnych
Bardziej szczegółowoPrognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody. Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB
Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB Plan prezentacji Wprowadzenie do prognozowania Metody
Bardziej szczegółowoPo co w ogóle prognozujemy?
Po co w ogóle prognozujemy? Pojęcie prognozy: racjonalne, naukowe przewidywanie przyszłych zdarzeń stwierdzenie odnoszącym się do określonej przyszłości formułowanym z wykorzystaniem metod naukowym, weryfikowalnym
Bardziej szczegółowoZmiany koniunktury w Polsce. Budownictwo na tle innych sektorów.
Elżbieta Adamowicz Instytut Rozwoju Gospodarczego Szkoła Główna Handlowa w Warszawie Zmiany koniunktury w Polsce. Budownictwo na tle innych sektorów. W badaniach koniunktury przedmiotem analizy są zmiany
Bardziej szczegółowoRok akademicki: 2013/2014 Kod: ZIE n Punkty ECTS: 6. Poziom studiów: Studia I stopnia Forma i tryb studiów: -
Nazwa modułu: Statystyka opisowa i ekonomiczna Rok akademicki: 2013/2014 Kod: ZIE-1-205-n Punkty ECTS: 6 Wydział: Zarządzania Kierunek: Informatyka i Ekonometria Specjalność: - Poziom studiów: Studia I
Bardziej szczegółowoPrognozowanie na podstawie modelu ekonometrycznego
Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)
Bardziej szczegółowoĆwiczenie 5 PROGNOZOWANIE
Ćwiczenie 5 PROGNOZOWANIE Prognozowanie jest procesem przewidywania przyszłych zdarzeń. Obszary zastosowań prognozowania obejmują np. analizę danych giełdowych, przewidywanie zapotrzebowania na pracowników,
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND Finanse i Rachunkowość rok 2 Analiza dynamiki Szereg czasowy: y 1 y 2... y n 1 y n. y t poziom (wartość) badanego zjawiska w
Bardziej szczegółowo5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
Bardziej szczegółowoL.Kowalski zadania ze statystyki opisowej-zestaw 4. ZADANIA Zestaw 4
ZADANA Zestaw 4 Zadanie 4. Na podstawie informacji o zyskach firmy podanych w tabeli: Lata 995 996 997 998 999 Zysk (w tys. zł) 5200 600 6500 6700 700 a) wyznaczyć ciąg przyrostów łańcuchowych (bezwzględnych
Bardziej szczegółowoProjekcja inflacji i wzrostu gospodarczego Narodowego Banku Polskiego na podstawie modelu NECMOD
Instytut Ekonomiczny Projekcja inflacji i wzrostu gospodarczego Narodowego Banku Polskiego na podstawie modelu NECMOD Warszawa / listopada Projekcja inflacji i wzrostu gospodarczego na podstawie modelu
Bardziej szczegółowoZagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA
Zagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA Zadanie 1 (Plik danych: Transport w Polsce (1990-2015)) Na
Bardziej szczegółowoSystem prognozowania rynków energii
System prognozowania rynków energii STERMEDIA Sp. z o. o. Software Development Grupa IT Kontrakt ul. Ostrowskiego13 Wrocław Poland tel.: 0 71 723 43 22 fax: 0 71 733 64 66 http://www.stermedia.eu Piotr
Bardziej szczegółowo166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoZapraszamy do współpracy FACULTY OF ENGINEERING MANAGEMENT www.fem.put.poznan.pl Agnieszka Stachowiak agnieszka.stachowiak@put.poznan.pl Pokój 312 (obok czytelni) Dyżury: strona wydziałowa Materiały dydaktyczne:
Bardziej szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej szczegółowoStruktura terminowa rynku obligacji
Krzywa dochodowości pomaga w inwestowaniu w obligacje Struktura terminowa rynku obligacji Wskazuje, które obligacje są atrakcyjne a których unikać Obrazuje aktualną sytuację na rynku długu i zmiany w czasie
Bardziej szczegółowoModelowanie i prognozowanie cen surowców energetycznych. Monika Papie Sławomir Âmiech
Modelowanie i prognozowanie cen surowców energetycznych Monika Papie Sławomir Âmiech Modelowanie i prognozowanie cen surowców energetycznych Autorzy: Monika Papie wst p*, rozdziały: 2, 3.5, 4; 5, 7, zakoƒczenie*
Bardziej szczegółowoPlanowanie przychodów ze sprzedaży na przykładzie przedsiębiorstwa z branży budowa obiektów inżynierii lądowej i wodnej Working paper
Sebastian Lewera Wroclaw University of Economics Planowanie przychodów ze sprzedaży na przykładzie przedsiębiorstwa z branży budowa obiektów inżynierii lądowej i wodnej Working paper Słowa kluczowe: Planowanie
Bardziej szczegółowo... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu...
4 Prognozowanie historyczne Prognozowanie - przewidywanie przyszłych zdarzeń w oparciu dane - podstawowy element w podejmowaniu decyzji... prognozowanie nie jest celem samym w sobie a jedynie narzędziem
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie
Bardziej szczegółowoAPROKSYMACJA ZJAWISK RYNKOWYCH NARZĘDZIEM WSPOMAGAJĄCYM PODEJMOWANIE DECYZJI
APROKSYMACJA ZJAWISK RYNKOWYCH NARZĘDZIEM WSPOMAGAJĄCYM PODEJMOWANIE DECYZJI Łukasz MACH Streszczenie: W artykule przedstawiono wybrane aspekty prognozowania czynników istotnie określających sytuację na
Bardziej szczegółowoANALIZA SZCZECIŃSKIEGO RYNKU NIERUCHOMOŚCI W LATACH 2007 2010
STUDA PRACE WYDZAŁU NAUK EKONOMCZNYCH ZARZĄDZANA NR 26 Ewa Putek-Szeląg Uniwersytet Szczeciński ANALZA SZCZECŃSKEGO RYNKU NERUCHOMOŚC W LATACH 27 21 STRESZCZENE Niniejszy artykuł dotyczy analizy rynku
Bardziej szczegółowoWykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami do optymalizacji łańcucha dostaw na przykładzie dystrybucji paliw cz.
14.12.2005 r. Wykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami do optymalizacji łańcucha dostaw na przykładzie dystrybucji paliw cz. 2 3.2. Implementacja w Excelu (VBA for
Bardziej szczegółowoStatystyczna analiza awarii pojazdów samochodowych. Failure analysis of cars
Wydawnictwo UR 2016 ISSN 2080-9069 ISSN 2450-9221 online Edukacja Technika Informatyka nr 1/15/2016 www.eti.rzeszow.pl DOI: 10.15584/eti.2016.1.1 ROMAN RUMIANOWSKI Statystyczna analiza awarii pojazdów
Bardziej szczegółowoPodsumowanie i wnioski
AKTUALIZACJA ZAŁOŻEŃ DO PLANU ZAOPATRZENIA W CIEPŁO, ENERGIĘ ELEKTRYCZNĄ I PALIWA GAZOWE DLA OBSZARU MIASTA POZNANIA Część 13 Podsumowanie i wnioski W 755.13 2/7 I. Podstawowe zadania Aktualizacji założeń
Bardziej szczegółowoECONOMIC ORDER QUANTITY (EOQ)
Systemy Logistyczne Wojsk nr 41/2014 MODEL EKONOMICZNEJ WIELKOŚCI ZAMÓWIENIA (EOQ) ECONOMIC ORDER QUANTITY (EOQ) Małgorzata GRZELAK Jarosław ZIÓŁKOWSKI Wojskowa Akademia Techniczna Wydział Logistyki Instytut
Bardziej szczegółowoĆwiczenia 13 WAHANIA SEZONOWE
Ćwiczenia 3 WAHANIA SEZONOWE Wyrównanie szeregu czasowego (wyodrębnienie czystego trendu) mechanicznie Zadanie. Badano spożycie owoców i przetworów (yt) (w kg) w latach według kwartałów: kwartał lata 009
Bardziej szczegółowoIstota funkcjonowania przedsiębiorstwa produkcyjnego. dr inż. Andrzej KIJ
Istota funkcjonowania przedsiębiorstwa produkcyjnego dr inż. Andrzej KIJ 1 Popyt rynkowy agregacja krzywych popytu P p2 p1 D1 q1 D2 q2 Q 2 Popyt rynkowy agregacja krzywych popytu P p2 p1 D1 +D2 D1 D2 q1
Bardziej szczegółowoWydobycie ropy naftowej w Federacji Rosyjskiej
Wydobycie ropy naftowej w Federacji Rosyjskiej Rosja zwiększyła produkcje ropy naftowej w czerwcu bieżącego roku utrzymując pozycję czołowego producenta. Jednakże analitycy zwracają uwagę na problemy mogące
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO ANALIZA ZBIEŻNOŚCI STRUKTUR ZATRUDNIENIA W WYBRANYCH KRAJACH WYSOKOROZWINIĘTYCH
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 32 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 11 21 BARBARA BATÓG JACEK BATÓG Uniwersytet Szczeciński Katedra Ekonometrii i Statystyki ANALIZA ZBIEŻNOŚCI STRUKTUR
Bardziej szczegółowoZastosowanie technologii Gas to Liquids
Spis treści 1. WYKAZ SKRÓTÓW I OZNACZEŃ... 4 2. WSTĘP... 5 3. BEZPIECZEŃSTWO ENERGETYCZNE CHARAKTERYSTYKA... 9 3.1. Pojęcie bezpieczeństwa energetycznego... 9 3.2. Wskaźniki bezpieczeństwa energetycznego...
Bardziej szczegółowoRynek gazu w Polsce. Warszawa. 30 czerwca 2011
Rynek gazu w Polsce Warszawa 30 czerwca 2011 Agenda 1. Otoczenie regulacyjne w Polsce 2. Perspektywy rozwoju rynku gazu w Polsce Page 2 1. Otoczenie regulacyjne w Polsce ramy regulacyjne Rynek gazu ziemnego
Bardziej szczegółowoPorównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych
dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo
Bardziej szczegółowoWYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy
Bardziej szczegółowoWpływ rozwoju elektromobilności w Polsce na zanieczyszczenie powietrza
Wpływ rozwoju elektromobilności w Polsce na zanieczyszczenie powietrza Paweł Durka (1) Joanna Strużewska (1,2) Jacek W. Kamiński (1,3) Grzegorz Jeleniewicz (1) 1 IOŚ-PIB, Zakład Modelowania Atmosfery i
Bardziej szczegółowoRobert Kubicki, Magdalena Kulbaczewska Modelowanie i prognozowanie wielkości ruchu turystycznego w Polsce
Robert Kubicki, Magdalena Kulbaczewska Modelowanie i prognozowanie wielkości ruchu turystycznego w Polsce Ekonomiczne Problemy Turystyki nr 3 (27), 57-70 2014 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO
Bardziej szczegółowoPARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV
Elektroenergetyczne linie napowietrzne i kablowe wysokich i najwyższych napięć PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV Wisła, 18-19 października 2017
Bardziej szczegółowoDopasowywanie modelu do danych
Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;
Bardziej szczegółowoPlanowanie przychodów ze sprzedaży na przykładzie przedsiębiorstw z branży finansowej
K. Czyczerska, A. Wiktorowicz UNIWERSYTET EKONOMICZNY WE WROCŁWIU Planowanie przychodów ze sprzedaży na przykładzie przedsiębiorstw z branży finansowej Słowa kluczowe: planowanie przychodów, metoda średniej
Bardziej szczegółowoStatystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF
Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF 120 I. Ogólne informacje o przedmiocie Cel przedmiotu: Opanowanie podstaw teoretycznych, poznanie przykładów zastosowań metod statystycznych.
Bardziej szczegółowoPolska energetyka scenariusze
27.12.217 Polska energetyka 25 4 scenariusze Andrzej Rubczyński Cel analizy Ekonomiczne, społeczne i środowiskowe skutki realizacji 4 różnych scenariuszy rozwoju polskiej energetyki. Wpływ na bezpieczeństwo
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoKondycja ekonomiczna drzewnych spółek giełdowych na tle innych branż
Annals of Warsaw Agricultural University SGGW Forestry and Wood Technology No 56, 25: Kondycja ekonomiczna drzewnych spółek giełdowych na tle innych branż SEBASTIAN SZYMAŃSKI Abstract: Kondycja ekonomiczna
Bardziej szczegółowoBank of America Corp.(DE) (BAC) - spółka notowana na giełdzie nowojorskiej (NYSE).
Bank of America Corp.(DE) (BAC) - spółka notowana na giełdzie nowojorskiej (NYSE). Czym zajmuje się firma? Bank of America jeden z największych banków świata. Pod względem wielkości aktywów zajmuje 3.
Bardziej szczegółowoSylabus przedmiotu: Data wydruku: Dla rocznika: 2015/2016. Kierunek: Opis przedmiotu. prognoz. Dane podstawowe. Efekty i cele. Opis.
Sylabus przedmiotu: Specjalność: Prognozowanie i symulacja w przedsiębiorstwie Wszystkie specjalności Data wydruku: 23.01.2016 Dla rocznika: 2015/2016 Kierunek: Wydział: Zarządzanie i inżynieria produkcji
Bardziej szczegółowoNadpodaż zielonych certyfikatów
Nadpodaż zielonych certyfikatów Polskie Stowarzyszenie Energetyki Wiatrowej (PSEW) od co najmniej 2 lat postuluje o wprowadzenie przejrzystego systemu informacji o rynku zielonych certyfikatów. Bardzo
Bardziej szczegółowoRynek budowlany w III kwartale 2010 r.
mgr inż. Renata Niemczyk Rynek budowlany w III kwartale 2010 r. 1. Wprowadzenie Pomimo że, zdaniem polityków, Polska wychodzi obronną ręką z okresu kryzysu, w 2009r. odnotowano 64% więcej bankructw niż
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoOcena wpływu rozwoju elektromobilności na stan jakości powietrza
Ocena wpływu rozwoju elektromobilności na stan jakości powietrza Paweł Durka (1) Joanna Strużewska (1,2) Jacek W. Kamiński (1,3) Grzegorz Jeleniewicz (1) Paweł Czapski (1) 1 IOŚ-PIB, Zakład Modelowania
Bardziej szczegółowoSTATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Bardziej szczegółowoCzy spadki powrócą? Rys. 1 Zapasy ropy w USA Źródło: DOE, Bloomberg
Data publikacji: 16 lutego 2015 Czy spadki powrócą? Ubiegły tydzień był już trzecim z rzędu wzrostowym dla notowań ropy. Od dołka z końca stycznia zwyżki wynoszą już około 20 proc. Obecnie ropa WTI znajduje
Bardziej szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoPANEL EKONOMICZNY Zakres prac i wyniki dotychczasowych analiz. Jan Pyka. Grudzień 2009
PANEL EKONOMICZNY Zakres prac i wyniki dotychczasowych analiz Jan Pyka Grudzień 2009 Zakres prac Analiza uwarunkowań i czynników w ekonomicznych związanych zanych z rozwojem zeroemisyjnej gospodarki energii
Bardziej szczegółowoSTOCHASTYCZNY MODEL BEZPIECZEŃSTWA OBIEKTU W PROCESIE EKSPLOATACJI
1-2011 PROBLEMY EKSPLOATACJI 89 Franciszek GRABSKI Akademia Marynarki Wojennej, Gdynia STOCHASTYCZNY MODEL BEZPIECZEŃSTWA OBIEKTU W PROCESIE EKSPLOATACJI Słowa kluczowe Bezpieczeństwo, procesy semimarkowskie,
Bardziej szczegółowoROZDZIAŁ 7 WPŁYW SZOKÓW GOSPODARCZYCH NA RYNEK PRACY W STREFIE EURO
Samer Masri ROZDZIAŁ 7 WPŁYW SZOKÓW GOSPODARCZYCH NA RYNEK PRACY W STREFIE EURO Najbardziej rewolucyjnym aspektem ogólnej teorii Keynesa 1 było jego jasne i niedwuznaczne przesłanie, że w odniesieniu do
Bardziej szczegółowoStan i prognoza koniunktury gospodarczej
222 df Instytut Badań nad Gospodarką Rynkową przedstawia osiemdziesiąty siódmy kwartalny raport oceniający stan koniunktury gospodarczej w Polsce ( kwartał 2015 r.) oraz prognozy na lata 2015 2016 KWARTALNE
Bardziej szczegółowoKrótkoterminowe planowanie finansowe na przykładzie przedsiębiorstw z branży budowlano- montażowej (PKD 22)
Alicja Janowska Uniwersytet Ekonomiczny we Wrocławiu Krótkoterminowe planowanie finansowe na przykładzie przedsiębiorstw z branży budowlano- montażowej (PKD 22) Working paper Kwiecień 2013 1. Wstęp Planowanie
Bardziej szczegółowoWprowadzenie do teorii prognozowania
Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe
Bardziej szczegółowoWykład z dnia 8 lub 15 października 2014 roku
Wykład z dnia 8 lub 15 października 2014 roku Istota i przedmiot statystyki oraz demografii. Prezentacja danych statystycznych Znaczenia słowa statystyka Znaczenie I - nazwa zbioru danych liczbowych prezentujących
Bardziej szczegółowoWpływ temperatury powietrza w 2018 r. na zużycie energii na ogrzewanie i chłodzenie budynków w Warszawie Józef Dopke
Wpływ temperatury powietrza w 218 r. na zużycie energii na ogrzewanie i chłodzenie budynków w Warszawie Józef Dopke Słowa kluczowe: temperatura powietrza, średnia miesięczna temperatura, średnia roczna
Bardziej szczegółowo7.4 Automatyczne stawianie prognoz
szeregów czasowych za pomocą pakietu SPSS Następnie korzystamy z menu DANE WYBIERZ OBSERWACJE i wybieramy opcję WSZYSTKIE OBSERWACJE (wówczas wszystkie obserwacje są aktywne). Wreszcie wybieramy z menu
Bardziej szczegółowot y x y'y x'x y'x x-x śr (x-x śr)^2
Na podstawie:w.samuelson, S.Marks Ekonomia menedżerska Zadanie 1 W przedsiębiorstwie toczy się dyskusja na temat wpływu reklamy na wielkość. Dział marketingu uważa, że reklama daje wysoce pozytywne efekty,
Bardziej szczegółowoPODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE
UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE http://matman.uwm.edu.pl/psi e-mail: psi@matman.uwm.edu.pl ul. Słoneczna 54 10-561
Bardziej szczegółowoRaport kwartalny Spółki SZAR S.A. IV kwartał 2012 r. od r. do r.
Raport kwartalny Spółki SZAR S.A. IV kwartał 2012 r. od 01.10.2012r. do 31.12.2012r. Częstochowa 14.02.2013r. RAPORT ZAWIERA NASTĘPUJACE DANE: I. WYBRANE DANE FINANSOWE Z RACHUNKU ZYSKÓW I STRAT ORAZ BILANSU
Bardziej szczegółowoANALIZA SPRZEDAŻY: - rozproszenia
KOŁO NAUKOWE CONTROLLINGU UNIWERSYTET ZIELONOGÓRSKI ANALIZA SPRZEDAŻY: - rozproszenia - koncentracji - sezonowości Spis treści Wstęp... 3 Analiza rozproszenia sprzedaży... 4 Analiza koncentracji sprzedaży...
Bardziej szczegółowoWydatki [zł] Wydatki 36,4 38, ,6 37,6 40, , ,5 33 Czas
Wydatki [zł] Zestaw zadań z Zastosowania metod progn. Zadanie 1 Dany jest następujący szereg czasowy: t 1 2 3 4 5 6 7 8 y t 11 14 13 18 17 25 26 28 Dokonaj jego dekompozycji na podstawowe składowe. Wykonaj
Bardziej szczegółowoRealizacja Programu polskiej energetyki jądrowej
Źródło: Fotolia.com Łukasz Sawicki 2012 r. Źródło: martinlisner - www.fotolia.com Realizacja Programu polskiej energetyki jądrowej Od 1 stycznia 2014 r. do 31 października 2017 r. Najwyższa Izba Kontroli
Bardziej szczegółowoAnaliza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym
Jacek Batóg Uniwersytet Szczeciński Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym Warunki działania przedsiębiorstw oraz uzyskiwane przez
Bardziej szczegółowo